Catatan: Artikel ini merupakan opini pribadi penulis dan tidak mencerminkan pandangan Redaksi CNBCIndonesia.com

Setiap tahun, diskursus mengenai Anggaran Pendapatan dan Belanja Negara (APBN) hampir selalu berkisar pada besarnya penerimaan, peningkatan belanja, pelebaran defisit, beban utang, dan keterbatasan ruang fiskal. Seolah-olah keberhasilan kebijakan fiskal ditentukan oleh kemampuan pemerintah menjaga keseimbangan angka-angka tersebut.

Padahal, persoalan yang lebih fundamental seberapa jauh APBN mampu menggerakkan seluruh kapasitas produktif perekonomian nasional. Anggaran yang besar tidak otomatis melahirkan pertumbuhan berkualitas. Belanja yang meningkat belum tentu memperkuat produktivitas. Bahkan, stabilitas fiskal yang terjaga sekalipun tidak dengan sendirinya menjamin transformasi struktural.

Dalam tulisan Simatupang (2026) Negara Orkestrator demi Pertumbuhan 8% dan Political Bubble vs Orkestrator, ditekankan bahwa negara tidak cukup hanya menjadi regulator, pemungut pajak, atau pembelanja anggaran. Negara harus bertindak sebagai dirigen yang menyelaraskan berbagai kekuatan ekonomi menuju tujuan pembangunan yang telah dicanangkan dalam UU APBN.

Dewasa ini, perkembangan Agentic Artificial Intelligence [Agentic AI] (Konverge AI, 2026) membuka kemungkinan baru untuk menerjemahkan gagasan tersebut ke dalam mekanisme tata kelola yang lebih konkret.

Melalui Intelligent Fiscal Orchestration, negara berpotensi membangun sistem yang tidak hanya membaca angka-angka APBN, tetapi juga menghubungkan kebijakan, mengantisipasi risiko, mengoordinasikan pelaksanaan, dan mengevaluasi dampak pembangunan secara berkelanjutan.

Paradoks APBN: Anggaran Besar, Belum Tentu Berdampak
APBN 2027 yang telah disahkan menetapkan pendapatan negara sebesar Rp3.435,1 triliun, belanja negara Rp4.106,3 triliun, dan pembiayaan anggaran Rp671,2 triliun, dengan defisit sebesar 2,4% terhadap produk domestik bruto (PDB). Angka tersebut mencerminkan besarnya peran fiskal dalam menopang pertumbuhan, perlindungan sosial, dan agenda pembangunan nasional. (Kemenkeu, 29 September 2026).

Namun, besarnya kapasitas belanja belum tentu dapat menjawab tantangan ke depan, seperti berapa besar produktivitas, investasi, lapangan kerja, dan nilai tambah yang dihasilkan dari setiap rupiah APBN?

Persoalan kita bukan kekurangan sumber daya, melainkan keterputusan antarinstrumen kebijakan. Di sinilah paradoks fiskal muncul. Negara dapat berhasil membelanjakan anggaran, tetapi belum tentu berhasil mengorkestrasi dampaknya. Jadi, pengelolaan APBN harus bergerak dari orientasi penyerapan menuju produktivitas, dari pendekatan sektoral menuju keterhubungan, dan dari evaluasi administratif menuju pengukuran hasil pembangunan.

Dari Kebijakan Sektoral Menuju Harmoni Ekonomi
Konsep Negara Orkestrator bertolak dari pertumbuhan merupakan hasil interaksi antara investasi, produktivitas, teknologi, tenaga kerja, pembiayaan, infrastruktur, dan kualitas kelembagaan. Pemikiran ini memiliki kedekatan dengan pendekatan developmental state yang menekankan kapasitas kelembagaan negara (Evans, 1995), serta mission-oriented innovation policy yang menempatkan negara sebagai pengarah investasi dan inovasi menuju tujuan pembangunan tertentu (Mazzucato, 2018).

Konsep Negara Orkestrator tidak identik dengan negara yang mendominasi pasar. Negara justru harus mampu menciptakan kondisi agar pemerintah, BUMN, perbankan, investor swasta, dan pemerintah daerah menjalankan perannya secara produktif dalam kerangka tujuan nasional.

Dalam perspektif tersebut, APBN menjalankan lima fungsi strategis, antara lain mengarahkan alokasi sumber daya (strategic allocator), menggerakkan investasi (economic catalyst), meredam guncangan (risk absorber), mengintegrasikan pembangunan (development integrator), dan mengukur hasil kebijakan (performance governor).

Kelima fungsi tersebut tidak dapat dijalankan secara optimal apabila masing-masing kementerian dan lembaga bekerja dalam ruang kebijakannya sendiri. Negara Orkestrator membutuhkan satu kemampuan yang selama ini menjadi tantangan besar birokrasi: membaca keterhubungan kebijakan secara menyeluruh, mendeteksi ketidaksinkronan sejak dini, dan mengoreksi pelaksanaan sebelum sumber daya terlanjur kehilangan efektivitasnya.

Agentic AI: Ketika Negara Mulai Memiliki Kecerdasan Orkestrasi
Perkembangan AI selama ini lebih banyak dikenal melalui kemampuannya menghasilkan teks, menyusun laporan, menjawab pertanyaan, dan mengolah informasi. Namun, Agentic AI menawarkan pendekatan yang berbeda (Konverge AI, 2026).

Agentic AI dapat dirancang sebagai sistem yang berorientasi pada tujuan, mampu menyusun rencana, menggunakan berbagai perangkat analitis, berkoordinasi dengan agen khusus lainnya, memverifikasi hasil, dan mengusulkan tindakan berdasarkan perubahan kondisi.

Dalam buku Agentic AI for Executives (Konverge AI, 2026), pendekatan ini dijelaskan melalui enam kemampuan utama: perception, reasoning, planning, learning, verification, dan execution. Keenamnya membentuk siklus kerja yang memungkinkan sistem merespons lingkungan secara lebih adaptif.

Apabila diterapkan dalam pengelolaan APBN, kemampuan tersebut dapat membentuk suatu Agentic Fiscal Orchestration System. Sistem ini tidak bekerja sebagai satu algoritma tunggal yang menentukan seluruh kebijakan fiskal. Sebaliknya, sejumlah agen analitis bekerja sesuai fungsi masing-masing dan dihubungkan melalui suatu mekanisme orkestrasi.

Revenue Intelligence Agent memantau penerimaan negara, perubahan aktivitas ekonomi, dan potensi risiko penerimaan. Expenditure Productivity Agent menilai hubungan antara alokasi belanja, keluaran program, dan dampak pembangunan.

Debt and Fiscal Risk Agent menganalisis pembiayaan, biaya utang, serta risiko kontinjensi. Investment Coordination Agent mengidentifikasi keterhubungan APBN dengan investasi BUMN, Danantara, perbankan, dan sektor swasta. Sementara itu, Regional Development Agent memetakan kesenjangan pembangunan dan kebutuhan pembiayaan antardaerah.

Seluruh agen tersebut bekerja melalui satu lapisan orkestrasi yang mengintegrasikan informasi, membandingkan skenario, mengidentifikasi konflik kebijakan, dan menyajikan rekomendasi kepada pejabat yang berwenang.

Perubahan terpentingnya bukan sekadar kecepatan pengolahan data, melainkan kemampuan menghubungkan keputusan yang sebelumnya dianalisis secara terpisah. Dengan demikian, Agentic AI dapat membantu mengubah koordinasi fiskal dari proses yang cenderung reaktif menjadi lebih prediktif dan adaptif.

Kendati demikian, Agentic AI, bukan menjadi pengganti legitimasi kebijakan. Agentic AI dapat keliru membaca data, menggunakan asumsi yang tidak tepat, atau menghasilkan rekomendasi yang bias.

Karena itu, keputusan mengenai pajak, subsidi, utang, dan alokasi APBN harus tetap berada dalam mekanisme konstitusional, disertai pengujian model, transparansi, dan pengawasan manusia. Negara tetap menjadi dirigen. APBN menjadi instrumen strategisnya. Agentic AI membantu membaca partitur ekonomi, mendeteksi ketidakharmonisan, dan menawarkan alternatif penyesuaian.

Dari Fiscal Space ke Intelligent Fiscal Orchestration
Keterbatasan ruang fiskal sering dipahami sebagai kendala utama pembiayaan pembangunan. Ketika penerimaan terbatas dan kebutuhan belanja meningkat, pilihan kebijakan seolah hanya berkisar pada menaikkan pajak, mengurangi belanja, atau menambah utang.

Padahal, persoalan pembangunan tidak hanya ditentukan oleh fiscal space, tetapi juga financing capacity dan fiscal effectiveness. Ruang fiskal menunjukkan kapasitas pemerintah menjalankan kebijakan tanpa mengganggu kesinambungan keuangan negara.

Kapasitas pembiayaan menggambarkan kemampuan menghimpun sumber dana dari berbagai pelaku ekonomi. Sementara itu, efektivitas fiskal mencerminkan kemampuan mengubah belanja pemerintah menjadi hasil pembangunan.

Ketiganya tidak boleh dicampuradukkan. Pembiayaan dari perbankan, BUMN, Danantara, atau investor swasta bukan tambahan penerimaan APBN. Namun, melalui koordinasi investasi dan pembagian risiko yang tepat, sumber pembiayaan tersebut dapat melengkapi belanja negara dan memperluas dampak ekonomi.

APBN tidak lagi sekadar menentukan proyek mana yang dibiayai, tetapi juga bagaimana setiap proyek terhubung dengan investasi lanjutan, kapasitas industri, pembiayaan produktif, pasar, dan ekonomi daerah. Agentic AI dapat membantu mengidentifikasi keterhubungan tersebut sekaligus mendeteksi ketika salah satu mata rantai pembangunan tidak bergerak sesuai rencana.

Sebagai ilustrasi, pengembangan hilirisasi kakao di Sulawesi dapat ditempatkan sebagai satu ekosistem penciptaan nilai. APBN mendukung konektivitas jalan, energi, pelabuhan, serta peningkatan kualitas sumber daya manusia.

Investasi BUMN atau Danantara, sepanjang memenuhi mandat dan kelayakan komersial, dapat memperkuat fasilitas pengolahan. Perbankan menyediakan pembiayaan investasi dan modal kerja bagi petani, koperasi, UMKM, serta industri. Pemerintah daerah memperkuat perizinan, kawasan produksi, dan kesiapan tenaga kerja.

Agentic AI kemudian dapat membantu memantau hubungan antarkomponen tersebut. Ketika pembangunan jalan tertunda, sistem mengidentifikasi potensi dampaknya terhadap jadwal operasional industri. Ketika pasokan bahan baku tidak mencukupi, sistem dapat merekomendasikan penyesuaian kapasitas produksi atau penguatan program petani. Ketika kebutuhan kredit meningkat, sistem dapat membantu memetakan kesenjangan pembiayaan tanpa menggantikan penilaian risiko bank.

Hasil akhirnya bukan semata-mata terselesaikannya proyek pemerintah, melainkan terbentuknya rantai nilai dari produksi pertanian, pengolahan industri, distribusi, hingga pasar domestik dan ekspor. Inilah perbedaan antara APBN yang membiayai pembangunan dan APBN yang mengorkestrasi pembangunan.

Dari Early Warning Menuju Adaptive Fiscal Governance
Manfaat lain Agentic AI adalah kemampuannya mendukung sistem peringatan dini dan penyesuaian kebijakan. Bayangkan harga minyak dunia meningkat tajam. Dalam pendekatan fiskal konvensional, pemerintah menghitung dampaknya terhadap subsidi, penerimaan migas, dan kebutuhan pembiayaan.

Namun, tekanan energi juga memengaruhi inflasi, daya beli, biaya produksi industri, investasi, serta pertumbuhan ekonomi. Melalui pendekatan multi-agent, berbagai dampak tersebut dapat dianalisis secara paralel dan kemudian diintegrasikan.

Agen penerimaan memperkirakan perubahan pendapatan negara. Agen belanja menghitung kebutuhan subsidi dan kompensasi. Agen risiko fiskal memeriksa konsekuensi terhadap defisit dan pembiayaan. Agen pertumbuhan menganalisis dampak terhadap konsumsi, investasi, dan produksi. Agen pembangunan daerah memetakan wilayah serta kelompok masyarakat yang paling terdampak.

Hasilnya berupa sejumlah alternatif kebijakan beserta konsekuensi, asumsi, dan risiko masing-masing. Dengan mekanisme tersebut, Agentic AI tidak mengambil keputusan menggantikan pemerintah. Ia memperkuat kemampuan pemerintah untuk melihat konsekuensi lintas sektor sebelum kebijakan diputuskan.

Tentu, proyeksi tersebut harus didukung model ekonomi yang teruji dan dapat diaudit. Kecanggihan algoritma tidak dapat menggantikan kualitas data ataupun pertimbangan ekonomi yang matang. Perubahan inilah yang dapat disebut sebagai adaptive fiscal governance: tata kelola fiskal yang tidak hanya merencanakan dan mengevaluasi, tetapi juga memiliki kapasitas belajar dari hasil kebijakan serta menyesuaikan pelaksanaannya secara bertanggung jawab.

Indonesia Tidak Memulai dari Nol
Permenkeu 93 Tahun 2024 tentang Platform Digital Sinergi Kebijakan Fiskal Nasional mengatur pengintegrasian informasi fiskal pemerintah pusat dan daerah. Regulasi tersebut juga membuka ruang penggunaan kecerdasan buatan untuk analisis kebijakan serta menekankan interoperabilitas, keamanan, dan akuntabilitas data.

Platform dapat mengintegrasikan data tanpa mampu menghubungkan keputusan. Dashboard dapat menampilkan ribuan indikator tanpa menjelaskan hubungan sebab-akibat di antara indikator tersebut. Bahkan, sistem AI dapat menghasilkan rekomendasi yang cepat tetapi keliru apabila tidak didukung model yang dapat diverifikasi.

Karena itu, pengembangan Agentic AI harus ditempatkan dalam agenda reformasi tata kelola, bukan sekadar proyek pengadaan teknologi. Tahap awal dapat diarahkan pada integrasi data, pemantauan kinerja, dan sistem peringatan dini. Tahap berikutnya mengembangkan simulasi kebijakan dan analisis produktivitas belanja. Setelah melalui pengujian, sistem dapat diperluas untuk mendukung koordinasi program lintas kementerian dan daerah.

Seluruh proses tersebut membutuhkan standar data yang konsisten, pembagian kewenangan yang jelas, keamanan informasi, mekanisme audit, serta pengawasan manusia terhadap rekomendasi dan tindakan sistem. Maka, ukuran keberhasilannya adalah kemampuan meningkatkan kualitas keputusan, mengurangi duplikasi program, mempercepat respons kebijakan, dan menghasilkan dampak pembangunan yang lebih besar.

Negara Orkestrator dalam Era Kecerdasan Buatan
Dalam kerangka Negara Orkestrator, pemerintah menentukan arah pembangunan. APBN menjadi instrumen strategis untuk menggerakkan sumber daya dan menyelaraskan prioritas. Sementara itu, Agentic AI menyediakan mekanisme kecerdasan yang membantu menghubungkan informasi, keputusan, pelaksanaan, dan evaluasi kebijakan.

Ketiganya harus berada dalam hubungan yang jelas: kepemimpinan negara menetapkan tujuan, APBN menjadi pengungkit pembangunan, dan teknologi memperkuat kapasitas orkestrasinya.

APBN yang sehat menjaga kesinambungan fiskal. APBN yang produktif menciptakan nilai tambah. APBN yang terorkestrasi menghubungkan seluruh instrumen pembangunan. Sementara itu, Agentic AI membuka peluang untuk menjadikan orkestrasi tersebut lebih cerdas, adaptif, dan terukur.

Memiliki APBN yang besar, sehat, atau terdigitalisasi tidak lah cukup. Indonesia membutuhkan APBN yang mampu mengorkestrasi seluruh kekuatan ekonomi nasional. Sebab, masa depan pembangunan tidak semata-mata ditentukan oleh berapa besar negara membelanjakan uangnya, melainkan oleh seberapa cerdas negara menggerakkan seluruh kapasitas ekonominya.

(miq/miq)